原文 https://www.cnblogs.com/iforever/p/4061095.html?utm_source=tuicool&utm_medium=referral
最近在做一款移动端棋牌游戏,为了进一步提高用户体验、拉近玩家的距离,我们决定在游戏中加入好友功能,而对于体验好友功能的玩家来说,要是玩牌的时候可以看看附近都有谁在玩牌,跟他们交流交流玩牌心得什么的无疑是个不错的想法。而要实现查看附近的人就需要提提LBS(Location Based Service),他的意思就是基于位置的服务,就是通过移动终端获取到许多用户或者物体的经纬度坐标,通过这些位置信息所提供的服务。
好了,扯了这么多,我们来看看如何实现查看附近人的功能的:
首先要具备下面这些环境:
好了,等这些环境都具备了之后,我来讲讲这个实现过程:
第一步. 编码
这个功能应用到了一个很好的算法GeoHash,也许有同学听过这个功能,没错GeoHash就是通过一个巧妙的算法(不由得惊叹前辈们真牛!)把经纬度转化为字符串,这样有什么好处呢,显而易见,将二维的数据转化为了一维,这样一来存储就方便了,搜索效率也会高很多,那么现在问题来了,GeoHash算法是如何把经纬度坐标转化为字符串的?
将经纬度编码为字符串的过程可以分为以下3个步骤:
首先就是编码,对于经纬度的编码通过折半比较法,当大于中值时该位编码为1(小于时编码为0),下次新的区间为中值到最大值(或者最小值到中值),这样一直比较下去,直到到达要求的精度,精度和纬度的方法是一样的,只不过一个原始区间是(-90,90),一个是(-180,180),光说不好理解,下面我们看看一个简单的例子:
对经度32.165进行编码: 对纬度89.156进行编码:
编码 |
min |
mid |
max |
1 |
-90 |
0 |
90 |
0 |
0 |
45 |
90 |
1 |
0 |
22.5 |
45 |
0 |
22.5 |
033.75 |
45 |
1 |
22.5 |
28.125 |
33.75 |
1 |
28.125 |
30.9375 |
33.75 |
0 |
30.9375 |
32.34375 |
33.75 |
1 |
30.9375 |
31.640625 |
32.34375 |
1 |
31.640625 |
31.9921875 |
32.34375 |
0 |
31.9921875 |
32.16796875 |
32.34375 |
编码 |
min |
mid |
max |
1 |
-180 |
0 |
180 |
0 |
0 |
90 |
180 |
1 |
0 |
45 |
90 |
1 |
45 |
67.5 |
90 |
1 |
67.5 |
78.75 |
90 |
1 |
78.75 |
84.375 |
90 |
1 |
84.375 |
87.1875 |
90 |
1 |
87.1875 |
88.59375 |
90 |
0 |
88.59375 |
89.296875 |
90 |
1 |
88.59375 |
88.9453125 |
89.296875 |
这样便可将(89.156,32.165) => (10101 10110,10111 11101)
这个时候就到了第二步骤——组码了,顾名思义,将第一步产生的编码组合起来为下一步产生字符串做准备,组码的方式是偶数位放置经度,奇数位放纬度(为什么要这么做呢,我猜可能是谷歌为了大家统一规范,仅此而已,其实奇偶数位互换也可以的),对于上面的经纬度编码后再组码如下:
经度:10101 11101 |
纬度:10111 11101 |
位置编码:11001 11011 11111 10011 |
图 3
对于上面的位置编码,为什么要这么编码呢,为什么要奇数位放纬度,偶数为方经度呢,我们看看下面这张图,用这张图模拟地图的经纬度,A点(-180,90),B点(180,90),C点(-180,-90),D点(180,-90);
A |
|
|
|
|
|
|
|
|
B |
010101 |
010111 |
011101 |
011111 |
110101 |
110111 |
111101 |
111111 |
|
|
|
010100 |
010110 |
011100 |
011110 |
110100 |
110110 |
111100 |
111110 |
|
|
010001 |
010011 |
011001 |
011011 |
110001 |
110011 |
111001 |
111011 |
|
|
010000 |
010010 |
011000 |
011010 |
110000 |
110010 |
111000 |
111010 |
|
|
000101 |
000111 |
001101 |
001111 |
100101 |
100111 |
101101 |
101111 |
|
|
000100 |
000110 |
001100 |
001110 |
100100 |
100110 |
101100 |
101110 |
|
|
000001 |
000011 |
001001 |
001011 |
100001 |
100011 |
101001 |
101011 |
|
|
000000 |
000010 |
001000 |
001010 |
100000 |
100010 |
101000 |
101010 |
|
C |
|
|
|
|
|
|
|
|
D |
图 4
如图4所示,这样就可以将地图(经度-180~180,纬度-90~90)分为很多很多多的小块,每一个小块都有唯一的二进制编码,当位数达到一定的长度时就可以表示很小的一块区域,这不就可以根据二进制编码定位一个唯一的位置了吗,对于划分的进一步理解可看下面的图。
图 5
如图5所示,左边是是对纬度(-180,180)的划分,可以看出通过划分可以确定(22.4,45)这一纬度区间的编码为1001,当然了位数越多精度越高,同理对经度进行划分,可以确定(-78.75,-67.5)这一经度范围的编码为0001,可以想象,当左右两张图合在一起时就可以确定一个唯一的矩形区域,当该区域足够小的时候就可一看做一个点。
第二步. 组码
从图3可以看出我们对经纬度编码后可得二进制字符串11001 11011 11111 10011
最后使用用0-9、b-z(去掉a, i, l, o)这32个字母进行base32编码,首先将11001 11011 11111 10011转成十进制,对应着25、27、32、19,十进制对应的编码就是tvzm。同理,将编码转换成经纬度的解码算法与之相反,具体不再赘述。至此,我们的对geohash有了个大致的了解。
图 6
如何具体的应用到程序中
首先思考一下查看附近的人的流程:
用户点击查看附近的人按钮,首先获取到该用户的选位置信息(经纬度),传给服务器。
服务器收到数据之后对该用户的位置信息进行geohash计算,获得该用户的位置hash字符串。
对该用户的位置信息hash串进行缓存(缓存时间长短根据具体情况而定)。
根据该hash串选出附近的人。
对hash进行解码,计算出附近用户的位置,返回给用户。
首先看看geohash.class.php这个公共类库里面的基本方法:
[public]Geohash() 初始化hash映射表 |
|
Geohash |
[public]encode(lat,lat, long) 对经纬度进行编码 |
[public]decode() 对hash进行解码 |
图 7
如图7所示,显而易见这个类库里面有3个函数,第一个用来初始化hash映射表,其实就是把0123456789bcdefghjkmnpqrstuvwxyz字符串中的每个字符和它对应的二进制编码对应起来(左边补零至5位)。encode()是用来生成hash的,decode是用来解码hash得到hash对应的经纬度的。
下面我们看个例子,现在假设有图8中的几个用户查看附近的人:
mid |
坐标 |
100 |
(42.61233,-5.61234) |
101 |
(-20.25689, 50.56897) |
102 |
(10.11233, 57.21234) |
103 |
(49.26343, -123.26895) |
104 |
(0.00534, -179.56732) |
105 |
(-30.55555, 0.28958) |
106 |
(5.00001, -140.63422) |
107 |
(42.61234, -5.61234) |
108 |
(5.00001, -140.63422) |
图 8
图8的数据发送到服务器经过geohash计算得出下面的hash表:
mid |
坐标 |
100 |
ezs42m34yfp_100 |
101 |
mh7uy8r5n6j_101 |
102 |
t3b9tbuu84u_102 |
103 |
c2b26bnk32b_103 |
104 |
80021bgp45m_104 |
105 |
k484ntdc58w_105 |
106 |
8bgury1r1jm_106 |
107 |
ezs42m34ygz_107 |
108 |
8bgury1r1jm_108 |
图 9
计算出这些hash值,将hash值存入redis中,存入redis中之后,那么问题来了,如何去获取一个用户附近的用户呢?当redis数据库中有了一些用户的记录之后,来一个用户,我们先对其进行编码,然后根据该用户的位置hash从redis中选出该用户附近的hash,选取附近的hash这一步很简单,对于redis只需这么做:
setex($mykey.'_'.$mid,$_SERVER['REQUEST_TIME'],86400); //这里设置缓存1天,具体情况具体对待
$search = substr($makey,0,$level); $nearbys = $redis->keys("{$search}*"); ?>
程序 1
上面的几句代码就可以选出我附近的人的hash,当然,其中的level来设置精度的,这个数字越大,附近的人范围越小,具体参考图10中的值,这个表中的值是从我的导师李伟(weickly)那里获取到的。要注意,这个地方搜索完之后要排除自己。还有一点要注意,就是在缓存时键名的最后一定要加上_{$mid},这样做可以避免多个用户在同一位置是互相覆盖的情况(就像图9中mid为106和108的用户),放在最后是为了不影响搜索。
1 |
2500000m |
2 |
630000m |
3 |
78000m |
4 |
20000m |
5 |
2400m |
6 |
610m |
7 |
76m |
8 |
19m |
9 |
2m |
图 10
例如mid为109,经纬度为(42.61236, -5.61234)的用户,当他点击获取附近的人按钮式,我获取到他的经纬度并计算出他的hash,$mykey='ezs42m34yzx',然后通过程序段1可以获取到他附近的hash:
100 |
ezs42m34yfp_100 |
(42.61233,-5.61234) |
3.3m |
107 |
ezs42m34ygz_107 |
(42.61234, -5.61234) |
2.2m |
109 |
ezs42m34yzx_109 |
(42.61236, -5.61234) |
0m |
图 11
图11中获取到了用户109附近的用户hashs,获取到hash值还并没有完成,首先排除掉自己109那条记录,然后通过Geohash类中的decode将hash解码为经纬度,通过每个用户的经纬度计算出和109用户的距离,然后按距离等级返回,比如说小于100,小于200……
至此,获取附近的人就完成了,当然了具体实践的时候还要随机应变具体情况具体对待,我写这篇文章只是想起到抛砖引玉的效果,本文中可能会存在很多不足,还望斧正。
本文版权归作者([email protected])和博客园共有,未经作者本人同意禁止任何形式的转载,转载文章之后必须在文章页面明显位置给出作者和原文连接,否则保留追究法律责任的权利。